【G検定過去問風テスト】生成AIのコア技術「Transformer」とブレイクスルーの本質をひもとく！

2026年7月17日 2026年7月21日 atsushi_kitazawa

※本記事では、アフィリエイトプログラムより教材を紹介しています。

📝 問題

近年のChatGPTなどに代表される「生成AI（文章、画像、音声などを自ら作り出すAI）」の急速な大進化とモデルの大規模化を可能にしたニューラルネットワークの構造（アーキテクチャ）として、最も適切な選択肢を1つ選べ。

🔍 ここをクリックして正解を見る

「AIが人間顔負けの文章を書いたり、美しい絵を描いたりできるようになったのはなぜ？」

その秘密の裏には、AIの歴史を塗り替えた「Transformer（トランスフォーマー）」という超強力な構造の誕生があります。

従来のAIは、文章を読むときに「前から順番に1文字ずつじっくり読む真面目な読書家」のようでした。長文になると最初の方の内容を忘れてしまったり、並列で手分けして読む（並列処理）のが苦手で、学習にものすごく時間がかかっていたのです。

そこへ登場したTransformerは、いわば「文章全体をパッと見渡して、重要な単語同士の『つながり』を一瞬で見抜く天才速読王」です。

この構造のおかげで、コンピュータは膨大なインターネット上のデータを同時に、超高速で処理（並列計算）できるようになりました。

この「効率よく大量のデータを学べる仕組み」があったからこそ、膨大なデータから世界の知識を丸ごと学習し、人間のようにクリエイティブなコンテンツを生み出す「生成AI」が誕生したのです！

A) LeNet（×）:
1989年にヤン・ルカン氏らが開発した、手書き文字認識（画像認識）のための初期のCNNモデルです。近年の文章やコンテンツを生成するAIのベースではありません。
B) Transformer（トランスフォーマー）（○）:
大正解！ChatGPTの「T」もこのTransformerの頭文字です。現在の生成AIブームのまさに心臓部にあたる最重要キーワードです。
C) SVM（サポートベクターマシン）（×）:
ディープラーニング以前の『古典的な機械学習』の代表格です。ディープラーニングのようにデータから自動で高度な特徴量を獲得するのが難しく、生成AIのような大規模かつ複雑なデータの学習には対応できません。
D) ネオコグニトロン（×）:
1980年に福島邦彦氏が提唱した、画像認識（CNN）の原型となるモデルです。時系列や用途が全く異なります。